跳到主要內容

Nvidia分潤協議評測：360億美元AI雲端合作喊停 | Nvidia Review: $36B AI Cloud Revenue-Share Deal Paused

By Kit 小克 | AI Tool Observer | 2026-08-31

🇹🇼 Nvidia分潤協議評測：360億美元AI雲端合作喊停

Nvidia分潤協議上週被爆出緊急喊停——這家全球市值最高的晶片公司，今年七月才剛端出一套讓AI雲端業者又愛又怕的「分潤協議」，結果不到兩個月，就因為反壟斷疑慮自己踩了煞車。這篇文章帶你搞懂這360億美元的合作葫蘆裡賣什麼藥，以及對正在租GPU算力的中小型雲端商有什麼實際影響。

Nvidia AI雲端分潤協議是什麼？

簡單說，就是Nvidia除了賣晶片賺一次錢，還想在客戶靠這些晶片賺的雲端收入裡再抽一手。根據協議，Nvidia提供「最低營收保證」的信用支持給AI雲端業者，條件是分享超過門檻的營收；如果客戶租不掉算力，Nvidia還承諾自己租回來。等於晶片賣一次、後續營收再抽一次，而且以六年期合約為主。Nvidia這一季財報首度揭露，相關承諾規模高達360億美元。

為什麼突然喊停？反壟斷疑慮出在哪？

問題出在「控制權」。有雲端業者反映，Nvidia要求他們只能把算力租給指定核准的客戶，還偏好把算力平均分給多家中小型AI公司，而不是讓單一大客戶整碗端走。這種對下游客戶生意的介入方式，踩到了反壟斷的紅線——你賣晶片可以，但決定客戶怎麼經營生意就是另一回事。Nvidia內部員工自己先跳出來提醒風險，協議推出不到兩個月就有部分被喊停。

對AI新創和中小型雲端商有什麼影響？

短期來看是鬆一口氣。原本這套分潤協議變相讓Nvidia成為所有AI雲端生意的隱形股東，中小型雲端商簽下去等於把定價權和客戶名單交出去一部分。喊停之後，議價空間回到業者手上，但Nvidia也沒把話說死——未來不排除把這套機制包裝進其他名目重新推出。對正在找GPU算力的團隊來說，值得留意合約裡是否藏著類似的營收綁定條款。

Kit小克怎麼看

老實說，這不是Nvidia第一次在商業模式上玩得比賣晶片更花。從賣鏟子的角色升級成「連挖到的金子都要分一杯羹」，邏輯上很聰明，但風險是把自己從供應商變成整個AI基礎建設的守門人。這次喊停與其說是良心發現，不如說是先避開監管機關的眼睛，這套分潤協議大機率會換個包裝捲土重來。中小型雲端商如果正在跟Nvidia談合約，這幾週會是議價的好時機。

好不好用，試了才知道。

🇺🇸 Nvidia Review: $36B AI Cloud Revenue-Share Deal Paused

Nvidia's AI cloud revenue-sharing deal just hit a wall. Less than two months after rolling out a program that let it collect a cut of AI cloud providers' revenue on top of chip sales, Nvidia has quietly paused parts of it over antitrust concerns. Here's what the $36 billion program actually did, why it got pulled back, and what it means if you're renting GPU capacity from a smaller cloud provider right now.

What Is Nvidia's AI Cloud Revenue-Sharing Deal?

Nvidia offered AI cloud companies minimum-revenue guarantees as credit support in exchange for a cut of revenue above a set threshold. If a customer couldn't rent out its GPU capacity, Nvidia promised to rent it back itself. That means Nvidia got paid twice: once when it sold the chips, and again as a share of whatever cloud revenue those chips generated, mostly under six-year contracts. A quarterly filing this week revealed the total commitments: $36 billion.

Why Did Nvidia Pause the Deal?

Control was the sticking point. Some cloud providers reportedly said Nvidia told them they could only rent capacity to approved customers, and that Nvidia preferred spreading capacity across several smaller AI companies rather than letting one large buyer absorb it all. That level of influence over how customers run their businesses is exactly what draws antitrust scrutiny — selling chips is one thing, dictating downstream business decisions is another. Nvidia's own employees reportedly flagged the risk internally before the pause.

What Does This Mean for AI Startups and Smaller Clouds?

Short term, it's a bit of relief. The revenue-sharing structure effectively made Nvidia a silent stakeholder in every AI cloud deal it touched, with smaller providers giving up pricing power and some customer control in the process. With parts paused, that leverage shifts back to the cloud companies — though Nvidia hasn't ruled out relaunching the program under a different name. If your team is negotiating GPU capacity right now, it's worth checking whether similar revenue-tie-in clauses are buried in the contract.

Kit's Take

This isn't Nvidia's first move to get creative beyond just selling shovels. Going from "sell the pickaxe" to "take a cut of the gold you dig up" is smart business logic, but it also turns a supplier into a gatekeeper for the entire AI infrastructure stack. The pause looks less like a change of heart and more like dodging regulators before they look too closely — expect this deal to resurface in a different wrapper. If you're negotiating with Nvidia right now, this is your window to push back on revenue-sharing terms.

好不好用，試了才知道 — you won't know until you actually try it.

Sources / 資料來源

常見問題 FAQ

Nvidia的AI雲端分潤協議是什麼？

Nvidia除了賣晶片賺錢，還向AI雲端業者提供最低營收保證的信用支持，換取分享超過門檻的雲端營收，等於晶片賣一次、後續營收再抽一次。

這套分潤協議規模有多大？

Nvidia最新財報首度揭露，相關承諾規模達360億美元，合約多為六年期，今年七月才剛推出。

Nvidia為什麼喊停分潤協議？

因為要求客戶只能把算力租給核准對象、干預客戶如何分配算力，這種控制下游生意的做法引發反壟斷疑慮，內部員工也提出警告。

對中小型雲端商和AI新創有什麼影響？

短期議價空間回到業者手上，但Nvidia未排除未來把機制包裝成其他名目重推，簽約前建議留意合約中是否有類似的營收綁定條款。

延伸閱讀 / Related Articles

AI 工具觀察站 — 每日精選 AI Agent 與工具趨勢
AI Tool Observer — Daily curated AI Agent & tool trends

留言

張貼留言

這個網誌中的熱門文章

Google Ironwood TPU v7 推理專用晶片解析：效能追平 NVIDIA、成本低 44%，AI 晶片戰爭正式開打 | Google Ironwood TPU v7 Explained: Matching NVIDIA Performance at 44% Lower Cost — The AI Chip War Heats Up

By Kit 小克 | AI Tool Observer | 2026-04-21 🇹🇼 Google Ironwood TPU v7 推理專用晶片解析：效能追平 NVIDIA、成本低 44%，AI 晶片戰爭正式開打 Google Ironwood TPU 是什麼？為什麼它讓 NVIDIA 緊張？ Google Ironwood TPU（代號 TPU v7）是 Google 第七代自研 AI 晶片，也是第一款 專為推理（inference）設計 的 TPU。在 AI 模型越來越大、推理需求暴增的時代，Google 不再只依賴 NVIDIA GPU，而是推出自己的推理專用晶片來搶市場。 Ironwood TPU v7 規格有多強？ 每顆 Ironwood TPU 提供 4.6 petaFLOPS 的 FP8 運算效能 ，搭載 192 GB HBM3E 記憶體，頻寬達 7.37 TB/s。單顆效能略高於 NVIDIA B200（4.5 petaFLOPS），接近 GB300 的 5 petaFLOPS。 更驚人的是規模化能力：Ironwood 可擴展至 9,216 顆晶片組成超級叢集 ，總算力達 42.5 ExaFLOPS，遠超 NVIDIA GB300 NVL72 系統的 0.36 ExaFLOPS。共享記憶體池高達 1.77 PB，解決了大型模型推理時的資料瓶頸問題。 Ironwood TPU 比 NVIDIA 便宜多少？ 根據分析，Ironwood 的 整體擁有成本（TCO）比 NVIDIA GB200 低約 44% 。在能效方面，Ironwood 的 FP8 效能達每瓦 5.42 TFLOPS，而 GB300 為 3.57 TFLOPS/W，Google 晶片的能效高出約 52%。 為什麼 Google 要做推理專用晶片？ AI 產業正從「訓練時代」轉向「推理時代」。當 ChatGPT、Gemini、Claude 等 AI 助手每天處理數十億次查詢時，推理運算的需求遠超過訓練。Google 稱之為「推理時代（age of inference）」，而 Ironwood TPU 就是為這個時代量身打造的武器。 對開發者和企業有什麼影響？ Ironwood TPU 目前 只能透過 Google Cloud 使用，無法...
閱讀完整內容

Claude Code 實測：AI 幫你寫程式到底行不行？ | Claude Code Review: Can AI Really Code for You?

By Kit 小克 | AI Tool Observer | 2026-03-27 🇹🇼 Claude Code 實測：AI 幫你寫程式到底行不行？ Claude Code 是 Anthropic 推出的命令列 AI 程式助手，直接在你的終端機裡運作。跟其他 AI 程式工具不同的是，它不是 IDE 外掛，而是一個獨立的 CLI 工具，可以讀取你的整個 codebase、執行指令、甚至幫你做 git 操作。我實際用了幾個月，以下是真實心得。 安裝與設定 安裝非常簡單，透過 npm 就能搞定： npm install -g @anthropic-ai/claude-code 。啟動後它會要求你登入 Anthropic 帳號或設定 API key。整個流程不到五分鐘。 實際使用體驗 Claude Code 最強的地方在於 它理解你的整個專案 。你不需要手動貼程式碼，它會自己讀取相關檔案、分析程式結構，然後給出建議或直接修改。實測幾個場景： Bug 修復 ：描述錯誤現象，它能自動找到問題檔案並提出修正，準確率大約 70-80% 新功能開發 ：給它需求描述，它能產出可用的初版程式碼，但通常需要人工調整細節 程式碼重構 ：這是它最擅長的。重新命名變數、抽取函式、調整架構，做得又快又好 寫測試 ：給它一個函式，它能產生相當完整的測試案例 優缺點分析 優點： 深度理解 codebase，不是只看單一檔案 可以執行 shell 指令，直接跑測試、裝套件 支援 CLAUDE.md 讓你定義專案規則 agentic 模式下可以自主完成多步驟任務 缺點： API 費用不便宜，大型專案一天可能花 10-30 美元 偶爾會過度修改，改了不該改的地方 對非英語的程式碼註解理解力稍弱 需要良好的網路連線 適合誰用？ 如果你是全端開發者、需要處理多個專案、或者經常做重構，Claude Code 絕對值得一試。但如果你只是寫簡單的腳本，免費的 Copilot 可能就夠了。 Kit 的結論： Claude Code 是目前最接近「AI 工程師」的工具。它不完美，但確實能大幅提升生產力。好不好用？試了才知道。 🇺🇸 Claude Code Review: Can AI Really Code for You?...
閱讀完整內容

Cursor vs GitHub Copilot vs Claude Code：AI 程式助手大比拼 | AI Coding Assistants Compared: Cursor vs GitHub Copilot vs Claude Code

By Kit 小克 | AI Tool Observer | 2026-03-27 🇹🇼 Cursor vs GitHub Copilot vs Claude Code：AI 程式助手大比拼 2026 年，AI 程式助手已經成為開發者的標配。但市場上選擇太多了，到底該用哪一個？我同時使用了 Cursor、GitHub Copilot 和 Claude Code 超過半年，以下是完整比較。 GitHub Copilot：最普及的選擇 Copilot 是最早普及的 AI 程式助手，整合在 VS Code 和各大 IDE 中。它的核心功能是 即時程式碼補全 ——你打字的時候，它自動建議下一行或下一段程式碼。 優點 ：補全速度快、整合度高、支援幾乎所有語言、Copilot Chat 可以問問題 缺點 ：上下文理解有限（主要看當前檔案和少量相關檔案）、Agent 模式仍在發展中 價格 ：個人版 /月，企業版 /月 Cursor：IDE 級別的 AI 整合 Cursor 是一個從頭打造的 AI-first IDE（基於 VS Code fork）。它不只是補全程式碼，而是把 AI 深度融入整個開發流程。 優點 ：Composer 功能可以跨檔案編輯、Agent 模式可以自主執行多步驟任務、支援切換不同 AI 模型、Tab 補全非常智慧 缺點 ：是獨立的 IDE 需要遷移、Pro 方案有使用量限制、偶爾不穩定 價格 ：免費方案有限制、Pro /月 Claude Code：終端機裡的 AI 工程師 Claude Code 走完全不同的路線——它是 CLI 工具，在終端機裡運作，不綁定任何 IDE。 優點 ：理解整個 codebase、可以執行系統指令、支援 git 操作、CLAUDE.md 定義專案規則、最強的 agentic 能力 缺點 ：沒有視覺化介面、按 API token 計費（可能很貴）、需要習慣 CLI 工作流 價格 ：按 API 使用量計費，或透過 Max 訂閱方案 關鍵差異比較 即時補全 ：Copilot ≈ Cursor > Claude Code（無此功能） 跨檔案理解 ：Claude Code > Cursor > Copilot Agentic 能力 ：Claud...
閱讀完整內容